異常點云干擾下的車身構(gòu)件魯棒性配準方法

摘要： 點云配準是大型車身構(gòu)件位姿參數(shù)測量的關(guān)鍵方法，但現(xiàn)有算法在大量異常點云干擾下難以配準至有效位姿，從而導(dǎo)致匹配失真，進而無法保證后續(xù)機器人作業(yè)質(zhì)量。針對此問題，提出一種能夠有效抑制異常點云干擾的車身構(gòu)件魯棒性配準算法——魯棒函數(shù)加權(quán)方差最小化(RFWVM)算法。建立魯棒函數(shù)加權(quán)目標(biāo)函數(shù)，通過施加隨迭代次數(shù)可變的動態(tài)權(quán)重來抑制配準過程中異常點云的影響，并由高斯-牛頓法迭代完成剛性轉(zhuǎn)... （共12頁）